Aula 14 — Exercício: Identificação de Feições e Padrões
Curso de Geografia
Universidade Estadual de Feira de Santana (UEFS)
2026-04-08
Objetivo da Aula
Aplicar os fundamentos de sensoriamento remoto da Aula 13 em exercício prático orientado: acessar imagens Sentinel-2, gerar composições e índices, identificar feições e padrões de uso/cobertura na área de estudo.
| Etapa | Atividade | Tempo |
|---|---|---|
| 1 | Acesso à imagem e composições | 15 min |
| 2 | Cálculo de NDVI e NDWI | 15 min |
| 3 | Identificação de feições | 20 min |
| 4 | Comparação com MapBiomas | 15 min |
| 5 | Discussão e síntese | 15 min |
Ao final da aula, cada estudante terá:
Esse material será incorporado ao dossiê como evidência de sensoriamento remoto.
// 1. Definir área de estudo
var area = ee.FeatureCollection('projects/...')
// ou usar geometria desenhada
// 2. Filtrar Sentinel-2 (Level-2A)
var imagem = ee.ImageCollection('COPERNICUS/S2_SR')
.filterBounds(area)
.filterDate('2025-06-01', '2025-12-31')
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 20))
.median()
.clip(area);
// 3. Composição cor verdadeira
Map.addLayer(imagem,
{bands: ['B4','B3','B2'], min: 0, max: 3000},
'Cor verdadeira');
// 4. Composição falsa cor (vegetação)
Map.addLayer(imagem,
{bands: ['B8','B4','B3'], min: 0, max: 4000},
'Falsa cor vegetação');
// 5. Composição SWIR
Map.addLayer(imagem,
{bands: ['B12','B8','B4'], min: 0, max: 4000},
'SWIR');Cor verdadeira (B4-B3-B2):
Falsa cor vegetação (B8-B4-B3):
SWIR (B12-B8-B4):
| Classe | Faixa | Cor na paleta |
|---|---|---|
| Água/solo nu | < 0,1 | Vermelho |
| Solo exposto / veg. rala | 0,1–0,2 | Laranja |
| Pastagem degradada | 0,2–0,3 | Amarelo |
| Pastagem / caatinga aberta | 0,3–0,5 | Verde claro |
| Vegetação arbórea | 0,5–0,7 | Verde |
| Floresta densa | > 0,7 | Verde escuro |
// Calcular NDWI
var ndwi = imagem.normalizedDifference(['B3','B8'])
.rename('NDWI');
// Visualizar
var paletaNDWI = {
min: -0.5, max: 0.5,
palette: ['brown','white','cyan','blue']
};
Map.addLayer(ndwi, paletaNDWI, 'NDWI');
// Máscara de água (NDWI > 0)
var agua = ndwi.gt(0);
Map.addLayer(agua.selfMask(),
{palette: ['blue']}, 'Corpos d\'água');Usando as composições e índices, identifique na área de estudo:
| # | Feição | Classe | Evidência espectral | Observação |
|---|---|---|---|---|
| 1 | Fragmento mata ciliar | Vegetação arbórea | NDVI 0,62; vermelho vivo em falsa cor | ~ 5 ha, margens do rio principal |
| 2 | Pastagem degradada | Solo exposto/pastagem | NDVI 0,15; tom rosado em falsa cor | Encosta com sinais de erosão |
| 3 | Açude | Água | NDWI 0,35; preto em NIR | ~ 1 ha, próximo à sede da fazenda |
| 4 | Pivô de irrigação | Agricultura | NDVI 0,55; padrão circular | Cultura irrigada |
| 5 | Estrada vicinal | Infraestrutura | NDVI ~0; linha clara em todas composições | Conecta BR a comunidade |
Mínimo: 6 feições identificadas, com evidência espectral documentada.
Discordâncias são normais e esperadas — diferenças de resolução (30 m MapBiomas vs. 10 m Sentinel-2) e método (automático vs. visual).
| Feição | Sua classificação | MapBiomas | Concorda? | Comentário |
|---|---|---|---|---|
| Fragmento 1 | Mata ciliar | Formação florestal | ✅ Sim | Boa concordância |
| Pastagem N | Pastagem degradada | Pastagem | ✅ Parcial | MapBiomas não distingue degradação |
| Solo exposto | Solo exposto (erosão) | Pastagem | ❌ Não | Resolução 30 m não detectou |
| Açude | Corpo d’água | Corpo d’água | ✅ Sim | — |
| Pivô | Cultura irrigada | Agricultura | ✅ Sim | — |
“O mapa não é o território.” A classificação automática tem limitações (resolução, método, época). A interpretação visual do analista complementa a classificação automática — e vice-versa.
Composição mais útil: qual composição foi mais informativa para a sua área? Por quê?
NDVI como evidência: que informação o NDVI trouxe que não era visível na composição RGB?
Limitações: que feições foram difíceis de identificar por SR? O que seria necessário para melhorar?
Escala e resolução: se usássemos Landsat (30 m) em vez de Sentinel-2 (10 m), que feições seriam perdidas?
Temporal: em que época do ano a imagem foi adquirida? Como a sazonalidade pode afetar a interpretação?
Formato: documento ou pasta digital contendo:
Prazo: próxima semana (antes da Aula 15)
Este material será incorporado ao dossiê como segunda camada de evidência (após a cartografia temática da Aula 08).
Obrigado!
Luiz Diego Vidal Santos
Universidade Estadual de Feira de Santana (UEFS)
Análise da Paisagem — Aula 14
UEFS — Ciência da Paisagem